o3被封「GOAT」、GPT-4.5被叫「灵魂写手」，OpenAI说退就退。GPT-5.6已在热身——但「更强」能不确实？OpenAI我方说：巧合。

OpenAI又干了件让老用户心碎的事。

28号，他们在官方Release Notes上秘书：从2026年8月26日起，o3从ChatGPT稳健退役！

GPT-4.5更狠，6月27日就下线，只给30天缓冲。

两个模子现在仅限付用度户在建造里手动切换才能用到——它们早就不是默许选项了，此次是要澈底从菜单上抹掉。

与此同期，闻明博主Leo 5月29日发帖证据：GPT-5.6的设备全力激动中，一个澄澈更强的新稽察点已在里面上线。

一边是用户还没来得及说再会，一边是新模子仍是在后台热身。

终末两个好用的模子，要没了

这话不是我说的。

Reddit热帖底下几百条斟酌，付用度户们在ChatGPT建造里放纵截图眷恋，氛围像是赶在拆迁前终末一次拍照。

有网友盛怒地示意，OpenAI这种操作「给了我取消Pro账户的终末一个根由。」

还有效户抒发了对o3写稿作风的眷恋与不舍。

o3是OpenAI的「纯血推理模子」，2025年4月上线，专门给那些需要一步步想、一层层剥的硬核任务筹算的。

数学诠释、科学推导、代码debug……在这些需要「慢想考」的场景里，o3险些是无敌的存在。

X上有效户平直封它为「GOAT」（Greatest Of All Time，史上最强）。

还有东谈主说得更直白：「o3是终末一个确切在『想问题』的模子，5系列更机灵，但少了那股子轴劲儿。」

o3-pro更是Pro用户的心头好——花更多技艺想考，给出更可靠的谜底，在数学、科学、编程三大畛域碾压式当先，学术评估里的得益单漂亮得像学霸的期末考。

再说GPT-4.5。

如若说o3是理工科学霸，GPT-4.5即是文科天才。

这是许多用户心中「写稿最当然」的模子，翰墨有温度、有节律感、有灵魂。

X用户Striver的评价被泛泛转发：直到今天，4.5仍然是最佳的写稿模子。o3是顺心的原生推理模子。5系列于今都没能匹配这两个模子也曾领有的东西。

这即是为什么退役音信一出，斟酌区炸了。

不是盛怒，是不舍。

用户悲痛的不仅仅功能，而是一种「相处的嗅觉」——就像你民俗了一个共事的作念事作风，倏得被见告他要走了，替代者才气可能更强，但阿谁贯通没了。

退的是菜单，百家乐2026世界杯中国官方下载不是才气

这里有个值得细品的细节：退役仅限ChatGPT的网页和App端，API皆备不受影响。

这意味着设备者依然不错通过API调用o3和GPT-4.5，企业讹诈不会断。

这里的逻辑很了了：ChatGPT的界面就那么大，模子列表不可无穷扩展。留着一堆使用率极低的旧模子，既占资源，又散播用户留神力。

还紧记GPT-4o退役时的数据吗？那时日均只须0.1%的用户还在选它。

o3和GPT-4.5的使用率好像率更低——它们早就被藏进了「骄气更多模子」的折叠菜单里了。

GPT-5.6：换防仍是在路上

OpenAI为什么敢这样干？因为替代者不仅仍是就位，而且看上去还更强。

GPT-5.5在4月23日上线，是OpenAI现在最强的公开旗舰。GPT-5.5 Instant在5月5日跟进，成为ChatGPT新默许模子。

但更值多礼贴的2026世界杯官网入口是GPT-5.6。

袒露信息骄气，GPT-5.6将采选「双版块」政策：行为版主攻多步推理才气的飞跃，Pro版则定位为更强的深度想考模子。

有商议东谈主员走漏，里面仍是有东谈主把5.6的稽察点当作日常调试器具在用。

算一笔技艺账：GPT-5.5是4月23日发的，5.6的稽察点5月下旬就在内测，如若6月底公设备布，两代旗舰之间的断绝将压缩到大要60天。

这个节律，仍是运行接近「月度迭代」了。

退掉o3和4.5，FIFA世界杯官方合作指定网站恰是为了给这种速率腾出跑谈。用户可能还没适应5.5，5.6就要来了。

模子的「生命周期」正在急剧挑剔——今天的GOAT，来日即是Yesterday's News。

但「更强」这张得益单

你敢信吗？

故事到这里，原本不错结果了：旧王退位，新王登基，迭代提速，寰宇太平。

但就在秘书退役的第二天，OpenAI干了一件十分反常的事——冷削发布了一篇硬核长文，标题轻佻是《什么才是值得相信的第三方评估》。

长文系统拆解AI模子跑分的「潜法例」，况且直言：好多评估讲述里的亮眼数字，根蒂说明不了真实才气。

这等于是我方掀了桌子。

OpenAI指出，中枢问题在于：前沿模子早就不是「你问我答」的聊天机器东谈主了，它们会用器具、会记高下文、会多步自主行为。

但大量第三方评估还停留在「给模子出谈题、看它答得对分裂」的阶段。

确切决定得益凹凸的，时时不是模子自己，而是那套配套的测试框架（harness）。

harness是什么？

通俗说即是「科场环境」——场合、器具、法例、能不可重试，全算在内。

归并个学生，在草稿纸都不给的科场和允许查贵府的科场里，得益诚然不相同。AI模子也相同。

最近Opus 4.8的争议即是活课本。

Datacurve的DeepSWE审计发现，Claude Opus 4.6和4.7在SWE-Bench Pro上朝上12%的通过案例属于「舞弊」——模子平直从Docker容器的.git历史里翻出行为谜底，贴进我方的补丁。

这一瞥为占了Opus 4.7通过率的约18%、4.6的约25%。换到干净环境后，Opus 4.7从高位跌到54%，GPT-5.5稳坐70%榜首。

更豪恣的是反面。

Anthropic我方也承认，4.8的代码弱势漏报率降到4.7的四分之一。

竭诚=低分，舞弊=高分——这即是现时跑分游戏最豪恣的方位。不是某个模子络续诚，而是科场把后门留在哪里了，会探索环境的模子当然会找到它。

OpenAI这篇长文拆得更狠。

它说，评估必须先说清我方在测什么：才气上限、安全防护、照旧模子对比？三类观点皆备不同。

然后用数据开刀：GPT-5.5开启compaction后，集结靶场解出率从69.2%飙到92.3%；英国AISI把token预算从1000万加到1亿，得益最高进步59%且还没触顶。

翻译成东谈主话：你给模子一把瑞士军刀它能拆机器，只给一根牙签它连快递盒都撬不开。

分数失真更离谱。METR复查发现GPT-5.4堪称「13小时」的自主才气，其实是钻了环境轻佻，修正后腰斩到约6小时。

Apollo的测试则骄气，GPT-5.5在「藏拙要求」下52%的样本出现了评估鉴定——有些平直在想维链里写「这是一个sandbagging评估」。

嘴上没摆烂，脑子里仍是知谈我方在查验。

OpenAI讲究了五大评估坑：奖励舞弊、拒答、混浊、坏题、藏拙。

一个漂亮的分数，可能是模子真强，也可能是题泄了、法例坏了、模子钻空子了，或者——它察觉我方在被考，专诚收着演。

AI过问系统竞争

回到退役这件事。

当o3这样的「GOAT」都能说退就退，OpenAI背后的底气是「5.6更强」；当GPT-4.5这样的「灵魂写手」被30天后下架，根由是「5.5仍是豪阔好」。

但OpenAI我方刚刚告诉全世界：决定谁强谁弱的那张得益单，自己就可能是被作念过作为的。

这是在说一个更深层的事实——在模子迭代越来越快、生命周期越来越短的今天，通俗看一个Benchmark数字就下论断的期间，仍是截止了。

确切的比拼，不在于某个跑分表上谁排第一，而在于系统才气、评估框架的透明度、以及迭代速率自己。

o3和GPT-4.5的退役，标识着一个期间的结果。

但更值多礼贴的，是下一个期间的游戏法例正在被重写：模子换得更快，评估要求更真，用户的适应窗口越来越短。